NuHF Claw: A Risk Constrained Cognitive Agent Framework for Human Centered Procedure Support in Digital Nuclear Control Rooms

Each language version is independently generated for its own context, not a direct translation.

Imagine que você está dirigindo um carro de Fórmula 1 em uma pista muito perigosa. O carro é super rápido e tecnológico, mas a pista está cheia de neblina e curvas cegas. Antigamente, havia um mecânico sentado ao lado, olhando para um manual de papel e dizendo: "Se acontecer X, faça Y". Mas hoje, o carro é digital, o manual é um aplicativo gigante e o motorista precisa navegar por telas complexas enquanto a velocidade aumenta. O risco não é mais apenas apertar o botão errado; é se perder nas telas, ficar confuso ou cansado demais para pensar.

É exatamente esse problema que o artigo "NuHF-Claw" tenta resolver para as usinas nucleares.

Aqui está a explicação simples, usando analogias do dia a dia:

O Problema: O "Controle Suave" e o Cérebro Cansado

Antigamente, as usinas tinham botões físicos e manômetros. Hoje, tudo é digital (telas de computador). Isso é ótimo para ver mais informações, mas cria um fenômeno chamado "Controle Suave".

A Analogia: Imagine tentar dirigir um carro olhando apenas para o GPS, sem olhar pela janela. Você precisa clicar em menus, rolar telas e navegar por camadas de informação para achar um botão. Isso exige muito do seu cérebro.
O Risco: Quando o operador está cansado ou sob pressão, ele pode se confundir (ex: clicar no menu errado) ou demorar demais para achar a informação. Os métodos antigos de segurança só olhavam para o passado ("o que deu errado ontem?"), mas não conseguiam avisar enquanto o erro estava prestes a acontecer.

A Solução: O "Co-piloto Cognitivo" (NuHF-Claw)

Os autores criaram um sistema chamado NuHF-Claw. Pense nele não como um robô que assume o controle do carro, mas como um Co-piloto Super Inteligente e Cuidadoso que está sentado ao lado do motorista o tempo todo.

Esse co-piloto tem quatro "superpoderes" (agentes) que trabalham juntos:

O Tradutor de Mapas (Agente de Procedimento):
- O que faz: Ele pega o manual de emergência (que é um texto gigante e chato) e o transforma instantaneamente em um mapa visual na tela do computador.
- Analogia: É como se o GPS não apenas dissesse "vire à direita", mas mostrasse exatamente qual botão na tela você deve tocar, desenhando uma linha verde até ele. Isso evita que o motorista se perca procurando o botão.
O Gêmeo Digital (Agente Cognitivo):
- O que faz: Ele cria uma cópia virtual da mente do operador. Ele simula o que o cérebro humano está fazendo: "Ele está procurando a informação? Está cansado? Vai demorar 5 segundos ou 50 segundos?"
- Analogia: É como ter um espelho mágico que mostra o nível de bateria do cérebro do motorista em tempo real. Se o espelho diz "Bateria em 5% (cansaço extremo)", o sistema sabe que o motorista pode cometer um erro.
O Analista de Risco (Agente de Risco Dinâmico):
- O que faz: Ele olha para a situação atual (tempestade, pressão alta, tempo curto) e calcula a chance de erro.
- Analogia: É como um meteorologista que não só diz "vai chover", mas calcula a probabilidade de você escorregar na pista agora, considerando que você está cansado.
O Guardião da Porta (Portão de Segurança):
- O que faz: Este é o mais importante. Ele decide se o computador pode agir sozinho ou se precisa da aprovação humana.
- Analogia: Imagine que o Co-piloto quer fazer uma manobra arriscada. O Guardião olha para o "Gêmeo Digital" e para o "Analista de Risco". Se o risco for alto, o Guardião bloqueia o Co-piloto e diz: "Ei, o motorista está muito cansado e a pista está escorregadia. Não faça nada sozinho. Espere o motorista confirmar."

Por que isso é revolucionário?

Antes, a inteligência artificial nas usinas era como um "robô teimoso" que tentava fazer tudo sozinho, o que era perigoso (ele poderia alucinar e apertar botões errados).

O NuHF-Claw muda a regra:

Não substitui o humano: O operador continua sendo o chefe.
Protege o humano: O sistema vigia o cansaço mental e a confusão.
Intervém com sabedoria: Se o sistema percebe que o operador está prestes a errar por cansaço ou confusão na tela, ele oferece ajuda, mas obriga o humano a confirmar antes de qualquer ação perigosa.

Em Resumo

O NuHF-Claw é como um sistema de segurança que entende a mente humana. Ele sabe que, em usinas nucleares modernas, o maior erro não é apertar o botão errado, mas sim ficar confuso ou exausto ao navegar por telas digitais.

Ele usa tecnologia de ponta (como Inteligência Artificial e modelos de cérebro humano) para criar um "gêmeo digital" que vigia o operador em tempo real. Se o risco de erro aumenta, o sistema trava e pede permissão ao humano, garantindo que a tecnologia ajude, mas nunca tome o controle de forma perigosa. É a evolução de "automatizar tudo" para "automatizar com segurança e respeito à mente humana".

Each language version is independently generated for its own context, not a direct translation.

1. Problema e Contexto

A digitalização das salas de controle principais (MCRs) de usinas nucleares transformou os padrões de interação dos operadores, introduzindo comportamentos complexos de "controle suave" (soft control). Embora a automação tenha reduzido erros humanos gerais, ela deslocou o papel do operador para um nível de supervisão, gerando novos modos de erro cognitivo, como confusão de modos, sobrecarga de informações e dificuldades de navegação em interfaces digitais.

As metodologias atuais de Análise de Confiabilidade Humana (HRA) são predominantemente passivas, offline e retrospectivas, incapazes de fornecer intervenções em tempo real para esses comportamentos cognitivos. Simultaneamente, a aplicação direta de Agentes de IA Autônomos e Grandes Modelos de Linguagem (LLMs) em ambientes críticos de segurança apresenta riscos severos, incluindo "alucinações" (geração de passos operacionais incorretos) e a erosão da autoridade decisória humana. Existe, portanto, uma lacuna crítica na necessidade de uma arquitetura de agente que seja consciente do risco, centrada no ser humano e capaz de operar em tempo real.

2. Metodologia: O Framework NuHF-Claw

O artigo propõe o NuHF-Claw, um framework de agente cognitivo persistente projetado para autonomia centrada no humano. A inovação central é a introdução de um "Runtime de Agente Confinado por Risco", que integra quatro agentes sinérgicos em um fluxo de trabalho contínuo:

Agente de Interface de Procedimento (Procedure-Interface Agent):
- Utiliza o framework AutoGraph para mapear procedimentos operacionais de emergência (EOPs) textuais para uma Grafo de Conhecimento de Interface Incorporada (IE-KG).
- Traduz protocolos textuais em caminhos operacionais executáveis e coordenados, atuando como uma restrição determinística para evitar desvios de LLMs.
Agente Gêmeo Cognitivo (Cognitive Twin Agent):
- Baseado na arquitetura cognitiva ACT-R (Adaptive Control of Thought—Rational).
- Diferente de modelos estáticos, este agente gera automaticamente código Lisp do ACT-R usando LLMs, criando um "Gêmeo Digital Humano" persistente.
- Simula em tempo real o trajeto cognitivo do operador (busca visual, recuperação de memória, execução motora) para prever tempos de reação e gargalos cognitivos, calculando a probabilidade de erro dependente do tempo ( $P_t$ ).
Agente de Risco Dinâmico (Dynamic Risk Agent):
- Alimentado pelo framework KRAIL (baseado em LLM) e fundamentado na metodologia IDHEAS-ECA.
- Analisa continuamente os Fatores de Influência no Desempenho (PIFs) dinâmicos (como carga de trabalho, estresse temporal e complexidade do cenário).
- Calcula a probabilidade de erro cognitivo contextual ( $P_c$ ) em tempo real.
Portão de Segurança de Governança (Governance Safety Gate):
- Atua como a camada final de decisão, utilizando Redes Bayesianas para sintetizar $P_t$ e $P_c$ .
- Compara a probabilidade de risco inferida com limites de segurança pré-definidos.
- Mecanismo de Controle: Se o risco exceder o limiar, o sistema bloqueia a execução autônoma direta, gerando apenas "Sugestões de Ação" com explicações de risco e exigindo aprovação explícita do operador humano antes de qualquer intervenção.

3. Contribuições Principais

Modelagem Cognitiva para "Controle Suave": O framework analisa sistematicamente como a navegação em interfaces digitais gera erros cognitivos, utilizando o Gêmeo Cognitivo para simular e prever gargalos de processamento de informações em tempo real.
Arquitetura de Agente Confinada por Risco: NuHF-Claw preenche a lacuna entre HRA dinâmica e agentes de IA autônomos, restringindo as decisões de LLMs dentro de limites de probabilidade de erro humano (HEP) dinamicamente calculados.
Autonomia Centrada no Humano e Governada: O framework garante que a IA atue como um copiloto cognitivo avançado, e não como um ditador autônomo. A camada de governança preserva a autoridade final do operador, prevenindo a "sobreposição" da IA (AI overreach).
Automação do Modelo Cognitivo: Supera o gargalo histórico de codificação manual de modelos ACT-R (em Lisp) utilizando LLMs para gerar automaticamente o código do modelo cognitivo baseado nos dados operacionais em tempo real.

4. Resultados e Validação

O framework foi validado em um simulador de alta fidelidade da usina de HTR-PM (Reator de Alta Temperatura Resfriado a Hélio) durante um cenário de transiente crítico (desligamento do reator).

Participantes: Três estudantes de pós-graduação em tecnologia nuclear realizaram tarefas de desligamento sob condições de estresse induzido.
Desempenho do Gêmeo Cognitivo: As estimativas de carga de trabalho do agente (baseadas em dados de rastreamento de cursor e telemetria) mostraram alta correlação com questionários NASA-TLX pós-experimento ( $R^2 > 0.9$ ), identificando com precisão picos de carga mental no operador principal (1RO) em comparação com outros.
Mapeamento e Tempo de Execução: O módulo AutoGraph mapeou com sucesso procedimentos textuais para coordenadas de tela. O modelo ACT-R gerou distribuições de tempo de execução que se alinharam estreitamente com os dados empíricos de rastreamento de cursor.
Gestão de Risco: O sistema demonstrou capacidade de identificar nós de navegação de alto risco (ex: sequências longas de navegação de tela) e, em vez de assumir o controle, forneceu sugestões de atalhos ou exigiu confirmação humana, mitigando erros de comissão.

5. Significado e Conclusão

O NuHF-Claw representa uma mudança de paradigma fundamental na segurança nuclear: da predição passiva de erros para a proteção proativa da cognição humana governada por IA.

Segurança: Oferece um caminho principiado para integrar agentes inteligentes em ambientes nucleares, resolvendo o dilema entre a utilidade da IA e a necessidade de controle humano rigoroso.
Inovação Técnica: Demonstra a viabilidade de usar LLMs não para tomar decisões diretas, mas como orquestradores de modelos cognitivos determinísticos (ACT-R) e sistemas de avaliação de risco probabilísticos.
Futuro: O trabalho estabelece as bases para sistemas de suporte à decisão em tempo real que podem evoluir para incluir dados fisiológicos (olho, EEG) e governança de equipes multiagente, tornando-se uma ferramenta essencial para as salas de controle nucleares de próxima geração.

Em resumo, o NuHF-Claw não busca substituir o operador, mas sim aumentar suas capacidades cognitivas através de um sistema de vigilância e suporte que entende tanto a física da usina quanto a mente humana, garantindo que a autonomia da máquina nunca comprometa a segurança.